ChatGPT访问量下滑，AI大模型未来战略重心转向企业应用API

ChatGPT，魔法失灵了！

数据统计，在自今年1月以来，ChatGPT的访问量增速，正在节节下滑。

在今年的一月份，数据表现为131.6%；到了二月份，这一数字下降至62.5%；进入三月份，数据进一步下滑至55.8%；四月份，该指标仅为12.6%，相较于三个月前的数据有了显著的减少；而到了五月份，这一数字更是降至2.8%。

在 ChatGPT 的成长历程中，最初的几个月呈现出较为缓慢的增长态势。然而，到了 2023 年 6 月，下滑的趋势已经开始显现，这如同乌云密布般笼罩在 ChatGPT 之上。据数据显示，截止至 6 月 20 日，ChatGPT 的访问量相较于 5 月份减少了约 38%。由此可见，如果没有意外的话，到 2023 年 6 月 30 日，ChatGPT 的网页访问量将首次出现负增长。

另外一组数据显示，AceCamp揭示，包括ChatGPT在内的众多AI聊天机器人在内的用户增长已经陷入停滞，甚至有些开始出现下滑的趋势。这与今年初的繁荣景象形成了鲜明的对比。摩根士丹利在六月初发布的一项数据显示，只有16%的受访者使用过ChatGPT，而其中只有4%的用户是ChatGPT的重度用户。与此同时，谷歌Bard的使用人数则只有9%。

仅仅半年时间过去，大模型就从开局巅峰，走向下滑谷底，成为最短命的风口？

答案或许并没有这么简单。

01 ChatGPT，究竟怎么了？

ChatGPT数据真的下滑了吗？

或许这只是一个统计口径选择，带来的误会。

ChatGPT 的访问量出现下滑现象，这一数据来自于名为 SimilarWeb 的国外网站数据分析工具。该工具所统计的数据来源于 ChatGPT 网站的访问量。

但众所周知，ChatGPT作为一款备受瞩目的爆款AI应用，其用户群体主要可划分为两大类：一是ChatGPT网站自身的C端用户；二是通过ChatGPT的外部API接口 various下游B端应用所形成的用户群体。

随着 ChatGPT API 接口被越来越多的应用程序采用，我们可以观察到 SimilarWeb 的数据正在逐步失去准确性。

在六月初，一份闭门会议的纪要曝光，进一步证实了我们之前的猜测：Open AI 的首席执行官阿尔特曼明确表示，ChatGPT 的未来核心战略任务在于吸引更多的企业应用程序接入其 API，而不是在个人消费领域与自己的企业客户争抢流量。这一信息揭示了 ChatGPT 将主要聚焦于为企业市场提供服务的方向，而非与个人用户竞争。

为什么要把自己从一个C端爆火的超级AI应用，变成一个听来并不性感的API企业？

一个普遍的认知是，随着时间的推移，越来越多的人在使用ChatGPT时意识到，这个AI并不如我们所认为的那么无所不能。当我们利用ChatGPT寻找信息时，AI有时会毫无根据地生成一个不存在的答案。例如，使用GPT-4进行测试后发现，针对相同问题，在不同提问阶段，GPT-4提供的答案存在差异，甚至在时间越接近的情况下，错误率越高。

这是什么道理？针对这种通用大模型的“胡说八道”，科研界将其称作大模型的记忆幻觉。

所谓记忆幻觉，指的是，AI大模型所生成的内容，并不是来源于现实世界，而是大模型自己“想象”出的内容。比如AI给出的一些看似权威的论文、法律、名人、历史，经过检索，就会发现这些内容在真实世界中并不存在。

这种幻觉的来源，与大模型的底层逻辑有关——AI本身并不理解自己所说的内容，而是仅仅根据自己吸收的内容进行学习模仿。

那么这种AI幻觉，是否有可能被消除？

当前的方法，主要有三个流派：

其一，奖励AI的每个正确推理过程，而不只是简单的奖励推理结果。

其二，使用知识图谱，蒙特卡洛树搜索算法等方式，进行算法层面的改进；

其三，针对特定场景，使用垂直优质数据，训练出基础认知就能达到专家级的行业大模型。

第三种，其实也正是Open AI选择将越来越多精力转移到B端应用API接口的根本原因。

同时，这也正是无数AI大模型企业正暗中角力的另一隐秘战场。

API能解千愁吗？

尽管Open AI正将越来越多的精力放到更行业，更垂直的API应用之上，但业内的另一个观点则是：垂直API虽好，但却并不是一把万能的锤子。

开放API，仅仅意味着在将现成的模型开发好之后，给客户一个接口，所有的升级、数据来源，依旧是由Open AI 提供，这样的API接口，距离客户将其工程化落地，其实还有相当长一段距离。

众数信科CEO吴炳坤举了个例子“很多 AI 大厂现在不会将大模型微调为行业专用模型的能力开放出来。”但“站在客户角度，行业客户最为看重的是定制化的需求，以及AI企业的工程化落地能力。”

也就是说，如果想要AI更好落地，开放API接口是远远不够的，需要大模型企业将自己的底层模型直接开放给下游客户，让其基于大模型本身，进行微调或再训练，甚至直接参与到大模型的研发过程。

很显然，没有任何AI企业，愿意随意将自己的AI大模型底层核心技术随便开放给下游。

而众数信科的股权架构，则给予了他们能够深度参与行业，同时也能参与大模型定制化开发的能力。

天眼查数据显示，众数信科成立于2021年，专注于数字城市的数据及场景的产品定义和运营。其三大股东，分别是云从科技、厦门火炬创投、民生电商，其商业模式为无需财政付费、可自我造血的“政府搭台、国企主导、产业联合运营”数字经济新模式。

得益于与云从科技之间的股东关系，作为一家专注于AI落地的创业公司，众数信科也能够参与到大模型的开发过程，甚至在云从从容大模型的基础上，训练出自己的专业模型。

这种基于通用大模型训练行业大模型的意义，在云从科技创始人周曦看来：如果没有强大的基础大模型，行业大模型将失去长期生命力以及成本控制力；如果只有通用大模型，就无法在具体需求上做到极致。

两者之间的关系，就像是武术中的内功心法以及外在招式；只有互相搭配，才能发挥出更高效用。

而这种内功心法与外在招式的内外兼修，也成了众数信科成立不久，就能接连拿下政企大单的底气所在。

落地才是硬道理

在联合云从，在从容大模型基础上定制自己的专属大模型后，困扰众数信科的第二个问题就变成了如何更快速的落地？

依旧是众数信科的股东结构，我们可以得到这个问题的答案。

三大股东：云从科技、厦门火炬创投、民生电商，云从提供用于微调的底层大模型，厦门火炬创投提供下游产业化落地的上下游撮合，民生电商提供资金支持。

有了技术，有了产业链资源，也有了钱，距离大模型真正落地就只差最后一步，用于训练行业大模型的数据。

这正是众数信科的强项。过去两年，通过搭建“众寻知识智能化平台”的技术优势和“i城市生活平台”两大平台，其中，“i城市生活服务平台”已经签约16个城市，服务覆盖3000万的个人用户和数十万的企业用户，让众数信科积累了丰富的行业语料数据。

基于以上技术、资源、资本以及语料库层面的优势，众数信科当前在城市生活服务领域，教育、养老和文旅三大场景跑出了自己独特的优势。

以城市生活服务中的海关政策智能AI解读这一细分领域举例：

对众多跨国公司，以及跨境电商企业来说，单是一个基础的入关清关，就需要拆分成订单申报、支付申报、运单申报、清单申报、三单对碰多个环节，每个环节都涉及到不同的部门、法规以及政策文件，如何跟上这些不断变化的政策以及数千份文件，需要企业花费巨大的精力以及投入，而对海关来说，大量的咨询以及政策变动，也会导致他们人力资源的紧张。

如果有AI的帮助，入关清关的准备工作，就能够被大大简化。

通过多年积累以及大模型加持，众数信科打造了用于海关通关政策问答应用“海关政策 AI 精灵”。基于海关总署2000多份材料， “海关政策 AI 精灵”形成了本地的知识库，通过语义分割、语义检索、 实现 prompt learning ，构造精准提示词，让模型能精确地按照本地的知识库来回答用户的问题。

这一思路，一方面可以明确提问者问题所涉及的具体政策文件；另一方面，彻底解决大语言模型存在的 知识局限和数据偏见问题，让解答更专业。

另外，针对政策的变化，“海关政策 AI 精灵”还可以根据政策调整和变化更新本地知识

库，同时通过用户的问答的正、负反馈意见，实现基本RLHF（ Reinforcement Learning from Human Feedback ）的模型优化与微调。

在教育领域，众数信科还开发了”智能教育AI精灵”，在厦门地区的部分学校、教育培训机构试点使用，从AI内容生成辅助教学切入，充当教师的教学助手，并为学生做出千人千面的发展评价，未来逐步实现因人施教，着力打造优秀教师数字分身，将先进地区优秀教学经验通过AI学习传承复制，解决三四线城市的教育资源匮乏问题。

大模型没有失灵，但死亡谷正在加速到来

上世纪九十年代，美国航空航天局（NASA) 发布了一份《TRL白皮书》 (Technology ReadinessLevels,缩写为TRL)，将技术的成熟度，分为九个等级：

1基本原理被发现

2形成技术概念或初步应用方案

3进入关键功能实验室验证阶段

4技术方案在实验环境中验证

5技术方案在相关环境中验证

6技术方案在模拟环境下系统验证

7真实环境下的系统演示

8定型试验

9运行与评估。

在这9个等级中，高校与机构科研人员擅长1-3环节下的基础研究；企业为追求利润，更倾向于进行8-9环节中的具体产品设计与生产，相应地，中间的4-7环节，就成了所有技术从实验室走向行业普惠中间的死亡之谷。

如今的大模型，死亡之谷正加速到来。

如何让大模型在应用中真的降本增效，如何让中小企业也能用得上用得好AI，如何减少大模型应用中的AI幻觉，这些都是死亡谷中，一个又一个必须解决的现实问题。

这些问题，既不像ChatGPT可以在短时间内，吸引全世界的目光，也没像最早发布大模型论文提出通往AGI可能性一样的性感。跨越死亡谷的解法只有一条，一步步夯实通用大模型基础，深耕行业，让AI从高高的神坛走下，成为普惠每一个普通人生活的基础设施。